Testing for Change in Stochastic Volatility with Long Range Dependence
研究了长记忆随机波动率模型的变点问题。本文讨论了一个包含多种备择假设的一般检验问题。在平稳性假设下，导出了双曲型和Wilcoxon型检验统计量的极限性质。在此背景下，证明了长记忆随机波动率时间序列的双参数经验过程的一个极限定理。特别是，它示出的渐近分布的EQUUM检验统计量可能不受长记忆，不像Wilcoxon检验统计量，这是典型的长范围依赖性的影响。为了避免实际应用中对冗余参数的估计，提出了自归一化检验统计量的使用方法。理论结果是伴随着模拟研究，其特征的有限样本的行为时，考虑的测试程序测试的变化，平均值，方差，和尾部指数。
2017-06-20 math.ST stat.TH
Network topology change-point detection from graph signals with prior spectral signatures
Rice University（莱斯大学）
本文研究了从图信号中检测序列图拓扑变点的问题。我们假设图的节点上的信号通过图过滤模型由底层图结构正则化，然后我们利用该模型将图拓扑变点检测问题提取为子空间检测问题。我们演示了如何将先验信息的光谱签名的变化后的图形可以隐式地去噪所观察到的序列数据，从而导致一个自然的基于AUCUM的算法的变点检测。数值实验说明了我们提出的方法的性能，特别是强调（潜在的噪声）先验信息的好处。
2020-10-21 cs.LG eess.SP stat.ML
Change-point tests under local alternatives for long-range dependent processes
本文研究具有长程相依性的从属高斯过程的边缘分布的变点问题。本文研究了Kolmogorov-Smirnov-和Cramér-von Mises型统计量在局部替代下的渐近分布。通过这样做，我们能够计算所提到的测试和测试的渐近相对效率。在高斯数据的均值漂移的特殊情况下，它总是$1$。此外，我们的理论涵盖的情况下，Hermite秩的基本过程的变化。在一个小的模拟研究中，我们表明，理论研究结果结转到有限样本的测试性能。
2017-03-16 math.ST stat.TH
Detection of Change Points in Piecewise Polynomial Signals Using Trend Filtering
虽然已经提出了许多方法来发现分段常数信号中的突变，但很少有方法可用于捕获分段多项式信号中的这些变化。本文提出了一种基于趋势滤波的变点检测方法PRUTF。通过为趋势滤波提供全面的对偶解决方案路径，PRUTF允许我们针对正则化参数的给定值或算法的特定步骤数发现潜在信号的变化点。我们证明了对偶解路径构成了一个高斯桥过程，使我们能够推导出一个精确和有效的停止规则终止搜索算法。我们还证明了该算法产生的估计是渐近一致的模式恢复。这个结果甚至在信号中的阶梯（相同符号的连续变化点）的情况下也成立。最后，我们研究了我们提出的方法对各种信号的性能，然后将其性能与一些最先进的方法在变点检测的背景下进行比较。我们将我们的方法应用于三个真实世界的数据集，包括英国房价指数（HPI），GISS表面温度分析（GISTEMP）和冠状病毒疾病（COVID-19）大流行。
2021-07-30 stat.ME
Asynchronous Multi-Sensor Change-Point Detection for Seismic Tremors
我们考虑异步多传感器的顺序变点检测，其中每个传感器在不同的时间观察信号（由于变点）。我们提出了一个异步子空间的基础上联合估计未知的信号波形和传感器之间的未知的相对延迟的方法。使用估计的延迟，我们可以对齐信号，并使用子空间来组合多个传感器观测。我们推导出所提出的过程的最佳漂移参数，并表征预期的检测延迟，平均运行长度（虚警），和随时间变化的信号的能量之间的关系。我们使用模拟和真实数据证明了所提出的方法的良好性能。我们还表明，该方法优于众所周知的“一杆程序”在检测微弱和异步信号。
2019-01-24 eess.SP stat.AP
Offline detection of change-points in the mean for stationary graph signals
Université Paris-Saclay（巴黎萨克雷大学）；ENS Paris-Saclay（巴黎萨克雷高等师范学校）；CNRS（法国国家科学研究中心）；Centre Borelli（博雷利中心）
针对已知图上多元图信号的均值变点分割问题，提出利用图平稳性与稀疏谱表示的离线模型选择检测法，可自动确定变点数，并具有非渐近 oracle 不等式保证。
2024-02-29 cs.LG stat.AP stat.ML
Heterogeneous Change Point Inference
我们提出了HSMUCE（异构同步多尺度变点估计）的多个变点的检测信号在异构高斯回归模型。一个分段常数函数估计通过最小化的多尺度测试，局部适应方差的变化的接受区域的变点的数量。多尺度检验是局部似然比检验的组合，其通过尺度相关的临界值适当地校准，以便即使对于有限样本也保持全局标称水平α。我们表明，HSMUCE控制的错误，过度和低估的变化点的数量。为此，新的F-型统计量的偏差界的推导。此外，我们得到了整个信号的置信集。所有结果在一大类非均匀变点模型上都是非渐进且一致的。HSMUCE计算速度快，达到最佳的检测率，并估计变化点的数量在几乎最佳的精度消失的信号，同时仍然是强大的。我们比较HSMUCE与几个国家的最先进的方法在模拟和分析当前记录的跨膜蛋白在细菌外膜具有显着的异质性，其状态。R-package可在线获得。
2016-02-05 math.ST stat.ME stat.TH
A backward procedure for change-point detection with applications to copy number variation detection
变点检测是近年来研究的热点之一，它可以用来分析基因芯片或测序数据以检测拷贝数变异。在这样的应用中，真实信号通常非常短并且隐藏在长数据序列中，这使得有效且准确地识别变化具有挑战性。在这篇文章中，我们提出了一种新的变点检测方法，一个向后的过程，这不仅是快速和简单的，足以利用高维数据，但也表现得很好，检测短信号。虽然CNV检测的动机，向后的程序通常适用于各种科学应用中出现的各种变点问题。仿真和实际CNV数据表明，后向检测与其他竞争方法相比具有明显的优势，特别是当真信号较短时。
2019-08-18 stat.AP
Change point detection in Network models: Preferential attachment and long range dependence
受现实世界复杂网络经验数据的启发，过去几年来，人们提出了大量的生成模型来理解和解释现实世界网络的观测属性，包括幂律度分布和“小世界”距离缩放。在这种情况下，一个自然的问题是{ \it变点}现象，了解驱动网络模型的参数的突然变化如何改变网络的结构特性。我们在一类流行的动态演化网络中研究这种现象：偏好连接模型。我们推导出网络的各种泛函的渐近性质，包括度分布以及最大度渐近性，本质上表明变点确实影响度分布，但{ \bf不}改变度指数。这进一步证明了在这种自增强系统中，过程的演化对过程的初始演化具有长程依赖性和敏感依赖性。然后，我们提出了一个估计的变化点，并证明了这个估计的一致性。开发的方法突出了经典的变点估计的网络演化的非遍历性的影响。
2015-08-09 math.PR math.ST stat.TH
Generalized multiple change-point detection in the structure of multivariate, possibly high-dimensional, data sequences
大数据技术的广泛出现导致了人们对开发变点检测算法的兴趣越来越大，这些算法可以在多变量，可能是高维环境中表现良好。在本文中，我们提出了一个新的方法，多变量，可能是高维的，嘈杂的数据序列中的多个广义变点的数量和位置的一致性估计。允许变点的数量随着给定数据序列的样本量和维数的增加而增加。有一些单变量信号，这构成了未知的多变量信号，我们的算法可以处理一般的结构变化，我们专注于一个多变量分段常数信号的平均向量的变化，以及任何单变量分量信号的线性趋势的变化。我们提出的算法，标记为多变量隔离检测（MID），允许一致的变化点检测中存在的频繁变化，可能是小幅度的计算快速的方式。
2022-11-13 stat.ME
The group fused Lasso for multiple change-point detection
我们提出了一组融合的Lasso检测多个变化点共享的一组共现的一维信号。通过对多维总变差进行约束来近似原始信号，从而得到分段常数近似，从而检测变点。提出了快速算法来解决由此产生的优化问题，无论是精确或近似。随着信号数量的增加，这两种算法的一致性的条件，并提供经验证据来支持模拟和阵列比较基因组杂交数据的结果。
2011-06-21 q-bio.QM stat.ML
Data-Adaptive Symmetric CUSUM for Sequential Change Detection
在流设置中顺序地检测变化点，特别是当信号的均值和方差都可以改变时，通常是一项具有挑战性的任务。在这种情况下，一个关键的困难往往涉及到设置一个适当的检测阈值，这对于许多标准的变化统计可能需要根据变化前和变化后的分布进行调整。当信号在多个分布之间切换时，这在顺序变化检测设置中提出了挑战。例如，考虑其中变化点由信号的均值和方差的增加/减少指示的信号。在这种情况下，我们希望能够将我们的变化统计量与一个固定的阈值进行比较，该阈值与均值和方差的增加或减少是对称的。不幸的是，使用对数似然比的变化点检测方案，例如，DSPUM和GLR，对变化反应迅速，但是当信号的均值和方差都变化时，它们是不对称的。这使得难以设置单个阈值以在流设置中顺序地检测多个变化点。我们提出了一个修改后的版本，我们称之为数据自适应对称的数据库（DAS-数据库）。DAS-MANUUM变化点检测过程对于分布之间的变化是对称的，使得它适合于设置单个阈值以在流设置中顺序地检测多个变化点。我们提供的结果，涉及到预期的检测延迟和平均运行长度为我们提出的程序。大量的模拟被用来验证这些结果。在真实数据上的实验进一步显示了使用DAS-DASUM在DASUM和GLR上的实用性。
2022-10-31 stat.ME
Multiple Change-point Detection: a Selective Overview
从生物科学到社会科学，包括基因组学中的高通量数据和计量经济学中的股票价格，都出现了非常长且有噪声的序列数据。通常收集这些数据是为了识别和理解趋势的变化，例如，从金融市场的牛市到熊市，或者从遗传学中的正常数量的染色体拷贝到过量的染色体拷贝。因此，在一个长的，可能是非常长的序列中识别多个变化点是一个重要的问题。在这篇文章中，我们回顾了经典的和新的多个变点检测策略。考虑到变点检测的历史和文献的广泛性，本文从回归分析、假设检验、一致性和推论等方面对正态均值变点模型进行了深入的讨论。特别是，我们提出了一种策略，收集和汇总本地信息的变点检测，已成为几个新兴的方法，因为它的吸引力在计算和理论属性的基石。
2016-07-14 math.ST stat.ME stat.TH
Testing and estimation of clustered signals
针对大规模多重检验问题，提出了一种变点检测方法。与经典的变点设置不同，信号在一个集群中的大小可以不同。信号上的聚类结构使我们能够有效地描绘信号和非信号段之间的边界。新的检验统计量提出了一个和/或多个实现的观察。导出了它们的渐近分布。我们还研究了相关的方差估计问题。我们允许的方差是异方差的多个实现的情况下，这大大扩展了所提出的方法的适用性。仿真研究表明，该方法具有良好的性能。我们的程序被应用到{基于阵列的比较基因组杂交（aCGH）}数据集。
2021-04-29 stat.ME
Robust Discrimination between Long-Range Dependence and a Change in Mean
在本文中，我们介绍了一个强大的离群值Wilcoxon变点检验程序，用于区分短期相关的时间序列与变化的平均值在未知的时间和平稳的长期相关的时间序列。本文建立了$L_1$近时相依过程在原假设下检验统计量的渐近分布，并证明了其在备择假设下的相合性。Wilcoxon型检验程序类似于Berkes、Horváth、Kokoszka和Shao（2006）的随机变量型检验程序，需要估计可能的变点位置，然后使用前和后中断子样本来区分短期和长期相关性。一项模拟研究探讨了标准情况下的Wilcoxon型检验程序的经验大小和功率，并与异常值的干扰。它表明，在标准的情况下，Wilcoxon型测试程序的行为同样好的CRAMUM型测试程序，但优于它存在离群值。我们还将这两种检验方法应用于水文数据。
2020-07-04 stat.ME
Data-adaptive structural change-point detection via isolation
本文提出数据自适应隔离方法DAIS，用于估计数据序列中变点的数量和位置，可检测分段常数和连续分段线性信号，其隔离特性提高精度，数据自适应特性降低计算复杂度，模拟显示其准确性与先进方法相当且计算更高效。
2025-06-23 stat.ME
Construction of confidence interval for a univariate stock price signal predicted through Long Short Term Memory Network
IIT Guwahati（印度理工学院古瓦哈提分校）
在本文中，我们展示了一种创新的方法来构建基于单变量LSTM模型估计的信号的自举置信区间。我们采取三种不同类型的自助方法的依赖设置。我们规定了一些有用的建议，以选择最佳的块长度，而执行的样本的自举。我们还提出了一个基准比较通过不同的引导策略测量的置信区间。我们通过一些股票价格数据集来说明实验结果。
2020-07-01 cs.LG q-fin.ST stat.ML
Spectral Dynamics of DeepWalk Embeddings for Dynamic Network Change-Point Detection
Beijing Normal University（北京师范大学）；Anhui University（安徽大学）；Hefei Normal University（合肥师范学院）；Fujian Normal University（福建师范大学）
本文提出基于DeepWalk的框架，通过嵌入对齐与CUSUM统计量检测动态网络结构变化，理论分析并验证其有效性。
2026-09-17 stat.ME
LoopPerm-CPD: A Robust Loop Permutation Framework for Automatic Multiple Change-Point Detection in Longitudinal Data
University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Duke University（杜克大学）
针对纵向数据中稀疏、不规则采样、小样本和异常值等问题，提出基于循环置换的鲁棒变点检测方法LoopPerm-CPD，自动检测多重变点。
2026-06-01 stat.ME
Change-Point Detection for Heterogeneous High-Dimensional Functional Time Series
针对高维函数时间序列变点检测中传统方法的信号衰减问题，提出Energy-PE统计量并结合聚类算法，经数值和股票应用验证其功效更优且可解释。
2026-08-17 stat.ME
Data-driven semi-parametric detection of multiple changes in long-range dependent processes
本文研究了长相关过程的离线多变化检测问题。假设观测值满足半参数长程相关假设，每个阶段具有不同的记忆参数。一个惩罚的本地Whittle对比度被认为是估计所有的参数，特别是变化的数量。得到了一致性和收敛速度。Monte-Carlo实验证明了估计量的准确性。他们还表明，通过使用一个数据驱动的斜率启发式程序的惩罚参数的选择，改善了休息的数量的估计。
2018-12-29 math.ST stat.TH
Detection and Estimation of Local Signals
我们研究了最大得分统计量，以检测和估计局部信号的变化点的形式在水平，斜率，或其他属性的观测序列，并分割序列时，出现多个变化。我们发现，当观察是序列相关的，变点可能会导致向上偏置的自相关估计，导致有时严重的权力损失。温度变化、大气温室气体水平、自杀率、COVID-19发病率和大流行期间的超额死亡等例子说明了一般理论。
2021-11-02 math.ST stat.ME stat.TH
On two estimates related to the change-point problem
本文研究了由高斯观测值估计不连续未知信号的光滑泛函的问题。信号是一个已知的函数，取决于一个未知的参数。这个问题与著名的变点问题密切相关。我们得到一个渐近的似然比过程的噪声水平趋于0。构造了贝叶斯估计和最大似然估计，并研究了它们的相对效率。对这些估计的非渐近性态给出了一些模拟结果和结论。
2011-12-16 math.ST stat.TH
Power of Change-Point Tests for Long-Range Dependent Data
我们调查的权力的EQUIUM测试和Wilcoxon变点测试的移动的过程中的均值与长程相关的噪声。我们推导出解析公式的权力，这些测试下的本地替代品。这些结果使我们能够计算的渐近相对效率（ARE）的AUCUM测试和Wilcoxon变点测试。我们得到了令人惊讶的结果，对于高斯数据，这两个测试的ARE等于1，与i.i.d.的情况相反。当ARE已知为$3/π$时，会产生噪声。
2013-03-20 math.ST stat.TH
Score-Based Quickest Change Detection and Fault Identification for Multi-Stream Signals
本文提出min-SCUSUM方法，利用Hyvarinen分数函数之差替代对数似然比，解决多流信号快速变化检测与故障隔离中高维复杂模型下传统似然比方法计算困难的问题，并给出延迟、虚警及故障误识别概率的理论分析。
2025-11-06 eess.SP math.ST stat.ME
Change-point tests for the tail parameter of Long Memory Stochastic Volatility time series
我们考虑基于Hill估计的变点检验来检验长记忆随机波动率时间序列尾部指标的结构变化。为了确定相应检验统计量的渐近分布，我们证明了两参数Skorohod空间中尾部经验过程的一致约化原理。它表明，这样的过程显示了二分行为根据之间的相互作用的赫斯特参数，即，表征数据中的依赖性的参数和尾部索引。我们的理论结果是伴随着模拟研究和分析金融时间序列方面的结构变化的尾部指数。
2020-06-04 math.ST stat.TH
Change point estimation based on Wilcoxon tests in the presence of long-range dependence
我们考虑一个估计的位置移动的均值的长程相关序列。该估计基于双样本Wilcoxon统计量。一致性和收敛的收敛速率的估计的变化点建立。在一个恒定的移位高度的情况下，$1/n$的收敛速度（与$n$表示的观察的数量），这是典型的独立观察的假设下，也实现了长记忆序列。证明了当变点高度以一定的速率下降到$0$时，适当标准化的估计量按分布收敛于一个分数布朗运动的泛函.估计测试两个众所周知的数据集。有限样本的行为进行了研究，在Monte Carlo模拟研究。
2016-12-25 math.ST stat.TH
Sequential Detection of Three-Dimensional Signals under Dependent Noise
研究了相关噪声下多变量信号的检测方法。主要关注的是三维信号，即空间-时域中的信号。这种信号的例子是多方面的。它们包括地理和气候数据以及图像数据，这些数据是在固定的时间范围内观测到的。我们假设信号被观察为有限块的噪声样本，由此我们感兴趣的是检测来自给定参考信号的变化。我们的检测器统计是基于一个顺序的部分和过程，涉及到经典的信号分解和重建方法应用于采样信号。我们表明，这个检测器的过程收敛弱下没有变化的原假设，信号与参考信号相一致，提供的时空部分和过程相关联的随机场的噪声项干扰采样信号converges到一个布朗运动。更一般地说，我们还建立了一个广泛的本地替代品，允许平滑以及不连续的变化下的极限分布。我们的结果也涵盖了扩展的情况下，参考信号是未知的。最后，我们进行了广泛的仿真研究的检测算法。
2017-03-21 math.PR math.ST stat.TH
High-Dimensional Change-Point Estimation: Combining Filtering with Convex Optimization
我们考虑在给定噪声观测的高维信号序列中的变点估计。经典的方法来解决这个问题，如滤波导数方法是有用的标量值的信号序列，但他们在高维设置不可取的缩放行为。然而，在实践中遇到的许多高维信号往往具有潜在的低维结构。基于这种观察，我们提出了一种高维变化点估计技术，该技术结合了以前工作中的过滤导数方法和基于原子范数正则化的凸优化方法，这对于利用高维数据中的结构非常有用。我们的算法适用于在线设置，因为它一次只对一小部分观测序列进行操作，并且在计算可扩展性和统计效率方面都非常适合于高维设置。本文的主要结果表明，我们的方法进行可靠的变化点估计，只要产品的最小尺寸的变化（在变化点的信号之间的差异的欧几里德范数平方）和变化点之间的最小距离（时间实例的数量）是大于高斯宽度参数，其特征在于低维复杂度的基础信号序列。
2015-01-07 cs.IT math.IT math.OC
Testing for change-points in long-range dependent time series by means of a self-normalized Wilcoxon test
我们提出了一种基于Wilcoxon双样本检验统计量的检验方法，以检验长期相关数据均值的变点。我们表明，相应的自归一化检验统计量收敛于分布的非退化限制的假设下，没有发生变化，它发散到无穷大下的一个变点与恒定的高度的替代。在局部替代下，即假设水平移动的高度随着样本量的增加而减小，我们得到了自归一化Wilcoxon检验统计量的渐近分布.关于有限样本性能，模拟结果证实，自归一化Wilcoxon检验在假设和替代之间产生一致的区分，并且其经验大小已经接近中等样本量的显着性水平。
2014-09-09 math.ST stat.TH
Signal Processing and Piecewise Convex Estimation
信号处理中的许多问题都归结为非参数函数估计问题。我们提出了一种新的方法，分段凸拟合（PCF），并给出了一个两阶段的自适应估计。在第一阶段中，使用强平滑估计变化点的数量和位置。在第二阶段中，执行约束平滑样条拟合，其中选择平滑水平以使MSE最小化。所施加的约束是，在第一阶段估计的每个经验变化点附近的区域中发生单个变化点。该约束相当于要求第二阶段估计的三阶导数在每个第一阶段变化点附近的小邻域中具有单个符号。我们简述了PCF如何应用于信号恢复、瞬时频率估计、表面重建、图像分割、谱估计和多元自适应回归。
2018-03-14 eess.SP math.ST physics.data-an
The S-Estimator in Change-Point Random Model with Long Memory
本文考虑两阶段随机设计线性回归模型。误差和回归量是平稳的长程相关高斯。回归参数、尺度参数和变点的估计采用了Escherseuw和Yohai（1984）提出的方法。这被称为S-估计量，它具有比经典估计量更鲁棒的特性;离群值不会破坏估计结果。证明了S-估计量的强相合性和收敛速度等渐近结果。
2009-06-09 math.ST stat.ME stat.TH
Rank-based change-point analysis for long-range dependent time series
我们考虑基于秩统计量的变点检验来检验长期相关观测值的结构变化。在平稳时间序列的假设下，在变点高度随变点高度减小而变化的假设下，导出了相应的检验统计量的渐近分布。为此，证明了序列经验过程在具有加权上确界范数的两参数Skorohod空间中的一致约化原理。此外，我们比较了秩检验的效率所产生的考虑不同的评分函数。在高斯性下，基于秩的检验相对于CuSum检验的渐近相对效率为1，与评分函数无关。在秩基变点检验的实际应用中，我们建议将自归一化秩统计量与二次抽样相结合。理论结果是伴随着模拟研究，特别是，允许比较秩检验从不同的评分函数。对于基于秩的变点检验的有限样本性能，Van der Waerden秩检验被证明在广泛的情况下是有利的。最后，我们分析了经济，水文和网络流量监测的数据集的结构变化，并将我们的结果与以前的数据分析进行比较。
2020-09-30 math.ST stat.TH
On discriminating between long-range dependence and changes in mean
我们发展了一个检验程序，用于区分长相关的时间序列和均值具有变点的弱相关的时间序列。在最简单的情况下，在原假设下，时间序列是弱相关的，在一个未知点上的平均值有一个变化，而在另一种情况下，它是长期相关的。我们计算的统计$T_n$，这使我们能够构建一个估计量$\hat{k}$的变化点。然后，我们基于直到时间$\hat{k}$的观测计算统计$T_{n,1}$，并且基于时间$\hat{k}$之后的观测计算统计$T_{n,2}$。统计量$M_n=\max[T_{n,1},T_{n,2}]$在零值下收敛于众所周知的分布，但如果观测值表现出长程相关性，则发散至无穷大。该理论说明了例子和应用程序的回报率的道琼斯指数。
2006-07-31 math.ST stat.TH
Estimation of the long-run variance of nonlinear time series with an application to change point analysis
本文针对伯努利位移类非线性时间序列，建立了长期方差平滑周期图估计量的渐近正态性，并将其应用于均值变点与长程依赖性的区分检验，通过模拟验证了方法性能。
2025-05-08 math.ST stat.TH
Perturbation expansions of signal subspaces for long signals
Saint Petersburg State University（圣彼得堡国立大学）
针对奇异谱分析等子空间方法，通过正交投影的扰动展开分析信号子空间的主角度，推导上界并研究时间序列长度趋于无穷时的收敛性、收敛速率及邻近主项。
2010-06-15 cs.NA math.NA math.ST
Optimal Sequential Detection of Signals with Unknown Appearance and Disappearance Points in Time
Moscow Institute of Physics and Technology（莫斯科物理技术学院）；AGT StatConsult（AGT统计咨询公司）；Université de Technologie de Troyes（特鲁瓦技术大学）
本文讨论了一个连续的变点检测问题，假设变化的持续时间可能是有限的和未知的。该问题对于许多应用是重要的，例如，用于信号和图像处理，其中信号在时间或空间中的未知点出现和消失。与传统的最快变化检测的最优性标准，需要最小化的预期延迟检测一个给定的平均游程长度的虚警，我们专注于一个可靠的最大最小变化检测标准，最大化的最小检测概率在给定的时间（或空间）窗口中的一个给定的局部最大概率的虚警在规定的窗口。我们表明，最佳的检测程序是一个修改的CRACUUM程序。然后，我们比较操作特性的最佳程序与流行的工程有限移动平均（FMA）检测算法和普通的CRAMUM程序使用Monte Carlo模拟，这表明，通常后者的算法具有几乎相同的性能作为最佳的。与此同时，FMA过程有一个很大的优点--与信号强度无关，而信号强度通常是未知的。最后，将FMA算法应用于光学图像中卫星的微弱条纹检测。
2021-04-02 cs.LG math.ST stat.TH
Change Detection: A functional analysis perspective
本文提出一种基于张量积表示和嵌套特征空间的新方法，用于检测随机过程与随机场中的全局或局部变化信号，并能在一般拓扑上扩展应用。
2020-12-16 math.FA math.PR math.ST
A Simplified Algorithm for Identifying Abnormal Changes in Dynamic Networks
拓扑数据分析最近已被应用于动态网络的研究。在这方面，介绍了一种算法，除其他外，有助于检测所研究的动态网络中异常变化的预警信号。然而，这种算法的复杂性显着增加，一旦数据库的研究增长。在本文中，我们提出了一个简化的算法，而不影响其性能。我们给出了新算法在一些加权网络上的各种应用和模拟。所得到的结果清楚地表明所介绍的方法的效率。此外，在某些情况下，所提出的算法可以突出局部信息，有时还可以突出局部异常变化的预警信号。
2022-10-17 math.AT math.CO math.ST
